في عالم اتخاذ القرارات، قد تكون دقة التصنيفات أمراً حيوياً، وهو ما يسعى إليه نموذج TOPSIS التقليدي. لكن هذا النموذج لم يكن خالياً من التحديات، حيث كان يعتمد على نقاط مرجعية مأخوذة من مجموعة البدائل المراقبة، مما جعله عرضة للانحرافات التي قد لا تعكس احتياجات صانعي القرار (Decision Makers - DM). في ورقة بحثية جديدة، تم تقديم منهجية مبتكرة تُعرف باسم TOPSIS-RAD، تهدف إلى معالجة هذه المشكلات بفاعلية.

يعتمد TOPSIS-RAD على دمج مجموعتين من مستويات مرجعية تُعرف من قبل صانعي القرار، مما يسهم في تعزيز الاستقرار في التصنيفات. منهجية Vetoed Performance Levels (VPL) تعمل على استبعاد البدائل غير القابلة للتحقيق قبل عملية التطبيع، مما يمنع هذه البدائل من تشويه الحدود التصنيفية. من ناحية أخرى، تحدد مستويات الأداء المرغوبة (Desired Performance Levels - DPL) الأداء عند المستوى المرغوب فيه قبل عملية التطبيع، مما يضمن أن النقاط المرجعية الإيجابية (Positive Ideal Solution - PIS) تستند إلى تطلعات واضحة بدلاً من البيانات المتطرفة.

تظهر ثلاثة أمثلة بسيطة كيفية عمل كل آلية: VPL يعيد تشكيل حدود التطبيع من خلال إزالة بديل غير قابل للتحقيق، بينما تثبت حدود DPL الثابتة التصنيفات من خلال تحديد تأثير الأداءات التي تتجاوز المستوى المرغوب.

رغم احتفاظ TOPSIS-RAD بالبنية القائمة على المسافة التقليدية، إلّا أنه يؤسس تصنيفه على حدود مستقرة تم تحديدها من قبل صانعي القرار. كما يسلط البحث الضوء على القيود القائمة ويوجه الأنظار نحو مجالات البحث المستقبلية التي يمكن استكشافها في هذا السياق.

في ختام هذا التحليل، ما الذي تعتقدونه حول هذه الطريقة الجديدة؟ هل تعتقدون أن لها تأثيرًا ملموسًا على تحسين عمليات اتخاذ القرار؟ شاركونا آراءكم في التعليقات.